学习算法的过程,获得的不应该只有算法理论,还应该有乐趣和解决实际问题的能力!
在当今的人工智能时代,相信大部分人都会关注深度学习技术,但请千万不要忽视对传统机器学习技术的理解。实际上,真正去从事AI工作的时候就会发现,对传统机器学习的依赖还是巨大的。如逻辑回归、随机森林、GBDT、XGBoost、SVM等模型仍然在非常多的应用中占有着不可忽视的地位。
SVM和XGBoost可以说是机器学习技术里最经典的两个模型了,面试中也是频频出现,但是对于刚步入机器学习领域的小白来说,光是找学习资料就颇费功夫。仅仅只是在自学过程中就会遇到各种难题:
原理理解不透彻,公式看不懂,推导艰难; 努力看懂了算法,却不知道应该在什么场景使用; 跑开源代码遇到问题,找不到解决方案,一个人抓耳挠腮; 解决方案在实测中得出的结果与预期差距很大,哪里出了问题,始终查不出来。 ... ...
正如 上文所说,现在所知道的 SVM 和 XGBoost 算法很多很乱,相关的程序包也很多,那么有什么方法可以帮助我们更好地理解 SVM 和XGBoost 算法呢?
七月在线推出了【SVM与XGBoost特训】课程,已迭代至第五期!
学、练、考——3步系统化学习,帮你快速掌握:SVM与XGBoost理论推导!
Step1:学
1、视频讲解:通过全套的视频讲解,帮你在脑海中搭建模型的基本框架,让你彻底搞懂每一个知识点,由浅入深对原理进行透彻讲解,从而提高你写代码的速度。
2、辅助课件:根据对数据结构与算法知识的梳理,以课件呈现出章节知识框架,带你轻松理解SVM与XGBoost的理论及算法推导过程。
3、实战项目:导师手把手带你复现代码,保姆式教学,不怕学不会!
Step2:练
了解每个知识点后匹配实战项目,解析常用算法模型,100%项目实战,全面剖析项目最优解思路,快速提升你的算法思维,求精不求多,举一反三!
Step3: 考
课程配套结课考试,学习完成之后,老师会针对于本次特训课的学习成果进行模拟考试,真实场景, 帮你巩固、提升所学知识。
02 学完本课,你将收获
课程包括完善的【老师教学】+【助教答疑】+【班主任定制计划】+【免费CPU云平台】服务,确保每一位小 伙伴都能愉 快的学习知识。
你
将
收
获
1、掌握机器学习经典算法,达到机器学习入门级别;
2、理解决策边界、最大间隔、拉格朗日求解方法、核函数等;
3、学完本课程可以手推SVM公式;
4、理论精讲:从Boosting、BDT到GBDT再到XGBoost, 彻底掌握XGBoost理论内容;
5、会用SVM进行垃圾邮件分类;
6、掌握Kaggle案例实战-Rossmann Store Sales(便利店销量预测)
03 课程大纲
第一阶段:SVM模型精髓讲解
第1课 硬间隔支持向量机
知识点1:如何求解分离超平面
知识点2:分类决策函数
第2课 几何间隔与函数间隔
- 知识点1:几何间隔和函数间隔的定义
- 知识点2:几何间隔和函数间隔的关系
- 知识点3:最大间隔分离超平面求解
- 知识点1:支持向量和间隔边界
- 知识点2:拉格朗日求解过程
- 知识点1:软间隔分离超平面
- 知识点2:惩罚参数和软间隔最大化
第5课 非线性支持向量机
- 知识点1:核技巧
- 知识点2:序列最小最优化算法(SMO算法)
第二阶段:XGBoost理论精讲及实战
第6课 Boosting及BDT理论讲解
- 知识点1:Boosting
- 知识点2:Boosting Decision Tree
第7课 GBDT理论讲解
- 知识点1:GBDT
- 知识点2:算法流程
第8课 XGBoost理论精讲
- 知识点1:Gradient Boosting Decision Tree
- 知识点2:算法流程
- 知识点1:XGBoost调参
- 知识点2:特征重要度分析
- 知识点3:XGBoost与LightGBM对比分析
- 知识点4:fashion-mnist实战
- 知识点5:LightGBM应用
04 课程福利
1、福利一:
提供代码、课件,再赠最新升级版《名企Al面试100题》电子书;
2、福利二:
课程结束后仍保留共学社群,可继续与讲师/助教、群友交流学习;
3、福利三:
近百位AI大咖导师精品课程免费学;
4、福利四:
报名即提供基于Jupyter Notebook定制的CPU云平台,方便在线实时编译作业。一切为真枪实战,助力跳槽、涨薪。
05 上课方式
06 报名须知
1、本期课程限时 1元秒杀,剩余89个名额。
2、本课开课时间:2021年 3月26日 晚8点
3、报名成功后,请及时添加班主任微信,进入课件、答疑群。
课程其他的细节可以联系课程顾问来获取
添加课程顾问微信
报名、课程咨询
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.